Zashmodel vs Modelflare

Satu model di dua relay: keaslian, kecepatan, harga, cache, dan ketersediaan, ditambah kecerdasan yang dikoreksi menurut degradasi model dan efisiensi biaya, dengan saran sesuai prioritas yang Anda pilih.

Model
claude-prime
claude-award

Mana yang dipilih

Lima dimensi

Makin ke luar makin baik. Keaslian adalah porsi kecerdasan yang tersisa; empat dimensi lainnya adalah posisi di antara semua relay untuk model ini.
KeaslianBelum dicekKecepatanHargaCacheBelum dicekKetersediaan
ZashmodelModelflare

Apa yang paling penting bagi Anda

Seimbang: pilih Zashmodel

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan Zashmodel dalam 24 jam terakhir 100.0%, sedangkan Modelflare 97.0%

Efisiensi biaya20%

Efisiensi biaya: tidak ada data untuk setidaknya satu relay

Kecepatan15%

Modelflare merespons dalam 0.94 s, 48% lebih cepat daripada Zashmodel (1.81 s)

Harga15%

Zashmodel berbiaya ¥6.16 per sesi, 83% lebih murah daripada Modelflare (¥36.5)

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

Zashmodel

Lebih unggul
Harga¥6.16Ketersediaan100.0%
Lebih lemah
Kecepatan1.81 s

Modelflare

Lebih unggul
Kecepatan0.94 s
Lebih lemah
Harga¥36.5Ketersediaan97.0%

Angka utama

Kecerdasan terkoreksi

Makin tinggi makin baik

Biaya per sesi coding

2 juta token input + 40 ribu token output · Makin rendah makin baik

Efisiensi biaya

Poin kecerdasan per ¥1 · Makin tinggi makin baik

Semua angka

Kecerdasan

Kecerdasan terkoreksi——
Kecerdasan tersisaBelum dicek100%
Akurasi jawabanBelum dicek91.1% (90 soal)

Biaya

Efisiensi biaya——
Biaya per sesi coding¥6.16¥36.5
Harga input¥2.8¥16.6
Harga output¥14¥83
Diskon cacheTidak diberikanTidak diberikan

Performa

Latensi token pertama1.81 s0.94 s
Ketersediaan, 24 jam terakhir100.0%97.0%
Sampel8101

Rute

Grupclaude-primeclaude-award
Keamanan dataLevel 0Level 4
Kecerdasan terkoreksi = indeks kecerdasan model yang dipublikasikan × kecerdasan tersisa. Kecerdasan tersisa = akurasi jawaban relay ÷ akurasi tertinggi di antara relay yang sudah dicek untuk model yang sama; jika kurang dari 10 soal, tidak dikoreksi. Efisiensi biaya = kecerdasan terkoreksi ÷ biaya per sesi coding. Selisih di bawah ambang dianggap hampir setara. Saran dihitung dengan memberi bobot pada metrik sesuai prioritas yang dipilih dan hanya sebagai panduan.